tesseract_teacheng

Как обучить тесеракт

Создание файла с разметкой 
D:\REP\projects\drawing_text_recognition\tesseract\tesseract.exe D:\REP\projects\drawing_text_recognition\teatch_img\1.png testfile --psm 6 -l rus+eng lstmbox
после этого размертку можно поправить при необходимости

Создание тренировочной БД 
D:\REP\projects\drawing_text_recognition\tesseract\tesseract.exe D:\REP\projects\drawing_text_recognition\teatch_img\1.png testfile.box --psm 6 -l rus+eng lstm.train

1.Делаем разметку из языкового пакете "RUS"(можно сделать из обученной своей модели указав наименование своей модели)
-l - активируем нужный нам языковой пакет, с указанием его имени (Например RUS, ENG или свое име Например NUM)

• первый параметр путь к картинке
• второй путь к куда сохранить файл разметки .box
• третий batch.nochop убирает переносы строки и пробелы
• makebox передает параметр что будем делать (сборка .box файла)
  tesseract\tesseract.exe -l "rus" teach_img\num.font.exp0.tif teach_img\num.font.exp0 batch.nochop makebox

Корректируем данные разметки по необходимости

2.Создать сырую базу перед тренировкой и слиянием
tesseract\combine_tessdata.exe -e "rus.traineddata" rus_f.lstm

3.tesseract\unicharset_extractor.exe --output_unicharset
my.unicharset --norm_mode 2 num.font.exp0.box

4. Выполняем запуск распознавания текста через терминал

• первый параметр путь к картинке
• второй параметр куда сохранить .txt с результатом (наименование параметра служит наименованием для .txt файла)
• третий -l NUM активируем флаг для скрипта после которого наименование языкового пакета с помощью которого будем распознавать текст.
  tesseract\tesseract.exe test.png output_2 -l NUM

https://habr.com/ru/companies/rosatom/articles/669020/
https://russianblogs.com/article/4748427330/
https://russianblogs.com/article/6693723655/
https://programmerall.com/article/33032247937/
https://russianblogs.com/article/24914318395/

Thanks